本文小编为大家详细介绍“Python中的np.vstack()和np.hstack()如何使用”，内容详细，步骤清晰，细节处理妥当，希望这篇“Python中的np.vstack()和np.hstack()如何使用”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。
在这里我们介绍两个拼接数组的方法：
np.vstack():在竖直方向上堆叠
np.hstack():在水平方向上平铺
import numpy as np arr1=np.array([1,2,3]) arr2=np.array([4,5,6]) print np.vstack((arr1,arr2)) print np.hstack((arr1,arr2)) a1=np.array([[1,2],[3,4],[5,6]]) a2=np.array([[7,8],[9,10],[11,12]]) print a1 print a2 print np.hstack((a1,a2))
结果如下：
[[1 2 3]
[4 5 6]]
[1 2 3 4 5 6]
[[1 2]
[3 4]
[5 6]]
[[ 7 8]
[ 9 10]
[11 12]]
[[ 1 2 7 8]
[ 3 4 9 10]
[ 5 6 11 12]]
这里还需要强调一点，在hstack应用的时候，我在做cs231n上的assignment1的时候，我总是在hstack这里出错！才发现我以前学的很肤浅啊！
（1）np.hstack()
函数原型：numpy.hstack(tup)
其中tup是arrays序列，tup : sequence of ndarrays
The arrays must have the same shape along all but the second axis,except 1-D arrays which can be any length.
等价于：np.concatenate(tup, axis=1)
例子一：
import numpy as np brr1=np.array([1,2,3,4,55,6,7,77,8,9,99]) brr1_folds=np.array_split(brr1,3) print brr1_folds print brr1_folds[0:2]+brr1_folds[1:3] print np.hstack((brr1_folds[:2]+brr1_folds[1:3])) print brr1_folds[0:2] print brr1_folds[1:3] #print np.hstack((brr1_folds[0:2],brr1_folds[1:3]))
最后一行如果不注释掉就会出错;
[array([1, 2, 3, 4]), array([55, 6, 7, 77]), array([ 8, 9, 99])]
[array([1, 2, 3, 4]), array([55, 6, 7, 77]), array([55, 6, 7, 77]), array([ 8, 9, 99])]
[ 1 2 3 4 55 6 7 77 55 6 7 77 8 9 99]
[array([1, 2, 3, 4]), array([55, 6, 7, 77])]
[array([55, 6, 7, 77]), array([ 8, 9, 99])]
错误的原因就是以为我的array的维度不一致。改成+就好啦，加号是list的拼接！
例子二：
print np.hstack(([1,2,3,3,4],[3,4,5,8,6,6,7]))
结果是：表明了一维的数组hstack是随意的。
[1 2 3 3 4 3 4 5 8 6 6 7]
例子三：
表明我们的hstack必须要第二维度是一样的：
print np.hstack(([1,2,3,3,4],[3,4,5,8,6,6,7])) print np.hstack(([[1,2,3],[2,3,4]],[[1,2],[2,3]]))
结果：
[1 2 3 3 4 3 4 5 8 6 6 7]
[[1 2 3 1 2]
[2 3 4 2 3]]
如果你把上面改成下面就会报错了！！！
print np.hstack(([1,2,3,3,4],[3,4,5,8,6,6,7])) print np.hstack(([[1,2,3],[2,3,4]],[[1,2]]))
（2）np.vstack()
函数原型：numpy.hstack(tup)
tup : sequence of ndarrays
The arrays must have the same shape along all but the first axis.1-D arrays must have the same length.
表示我们除了第一维可以不一样外，其他的维度上必须相同的shape。一维的数组必须大小一样。
例子一：
print np.vstack(([1,2,3],[3,4,3])) print np.vstack(([1,2,3],[2,3]))
但是你要注意的是第二行是出错的！
例子二：
print np.vstack(([[1,2,3],[3,4,3]],[[1,3,4],[2,4,5]])) print np.vstack(([[1,2,3],[3,4,3]],[[3,4],[4,5]]))
同样的表明了，如果我们的数组的第二维不一样所以出错了。
print np.vstack(([[1,2,3],[3,4,3]],[[2,4,5]])) print np.vstack(([[1,2,3],[3,4,3]],[[4,5]]))
例子三：
我们传入的是list：
import numpy as np arr1=np.array([[1,2],[2,4],[11,33],[2,44],[55,77],[11,22],[55,67],[67,89]]) arr11=np.array([[11,2,3],[22,3,4],[4,5,6]]) arr1_folds=np.array_split(arr1,3) print arr1_folds print np.vstack(arr1_folds)
结果：
[array([[ 1, 2],
[ 2, 4],
[11, 33]]), array([[ 2, 44],
[55, 77],
[11, 22]]), array([[55, 67],
[67, 89]])]
[[ 1 2]
[ 2 4]
[11 33]
[ 2 44]
[55 77]
[11 22]
[55 67]
[67 89]]